数据解析-xpath

1、介绍

XPath，全称为XML Path Language，即XML路径语言，它提供了一种灵活的语法，可以通过元素名称、属性、文本内容以及节点之间的层级关系来定位节点。html是一种静态的标记语言，用于显示数据，而XML强调数据的传输准确和结构化传输，适合用于数据的交换和持久化储存等场景。

2、使用方式

1、实例化一个etree的对象，且需要将被解析的页面源码数据加载到该对象中；

2、调用etree对象中的xpath方法结合xpath表达式实现标签的定位和内容的捕捉。

3、XPath语法

3.1 选取节点

表达式	描述
nodename	选中该元素。
/	从根节点选取（取子节点）。
//	从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置（取子孙节点）。
.	选取当前节点。
…	选取当前节点的父节点。
*	匹配任何元素节点。等同于//
@	选取属性。
text()	选取文本

3.2 路径表达式

路径表达式	结果
//div	在文档当中选取所有div标签
//div//a	选取所有 div下的所有 a标签。
//div[@class="title"]//a	在所有div中找到class值为title的div标签,之后拿他下面所有的a标签
//div[@class="title"]/ul//li	在所有div中找到class值为title的div标签,之后那他下面ul标签下面的所有li标签
//div[@class="title"]/ul[2]//li	在所有div中找到class值为title的div标签,之后那他下面第二个ul标签下面的所有li标签
//div//a/@href	选取所有 div下的所有 a标签的href属性值
//div//a/text()	选取所有 div下的所有 a标签的文本内容
`//div/span[1]	//div/span[2]`

方法实现相关代码地址：https://gitee.com/justinc666/crawler/tree/master/XPath